HTTP状态码的解读

发表评论 4 条 条评论 发布:jiangwei 发表时间:2011-08-28 标签:
 

  昨天给大家分享了百度搜索引擎优化指南2.0解读,里面提到了几处改动,并且就几处改动进行了简单分享。那么其中我认为能让大家对百度spider有更深层次的认识,就是其中合理的返回码篇章。

  百度搜索引擎搜索优化指南V2.0 合理的返回码 原文如下。

  合理的返回码

  百度爬虫在进行抓取和处理时,是根据 http 协议规范来设置相应的逻辑的,所以请站长们也尽量参考 http 协议中关于返回码的含义的定义来进行设置。百度spider 对常用的 http 返回码的处理逻辑是这样的 :

  404

  404返回码的含义是“NOT FOUND”,百度会认为网页已经失效,那么通常会从搜索结果中删除,并且短期内spider再次发现这条url也不会抓取。

  503

  503返回码的含义是“Service Unavailable”,百度会认为该网页临时不可访问,通常网站临时关闭,带宽有限等会产生这种情况。对于网页返回503,百度spider不会把这条url直接删除,短期内会再访问。届时如果网页已恢复,则正常抓取;如果继续返回503,短期内还会反复访问几次。但是如果网页长期返回503,那么这个url仍会被百度认为是失效链接,从搜索结果中删除。

  403

  403返回码的含义是“Forbidden”,百度会认为网页当前禁止访问。对于这种情况,如果是新发现的url,百度spider暂不会抓取,短期内会再次检查;如果是百度已收录url,当前也不会直接删除,短期内同样会再访问。届时如果网页允许访问,则正常抓取;如果仍不允许访问,短期内还会反复访问几次。但是如果网页长期返回403,百度也会认为是失效链接,从搜索结果中删除。

  301

  301返回码的含义是“Moved Permanently”,百度会认为网页当前跳转至新url。当遇到站点迁移,域名更换、站点改版的情况时,推荐使用301返回码,尽量减少改版带来的流量损失。虽然百度spider现在对301跳转的响应周期较长,但我们还是推荐大家这么做。

  百度建议

  1)如果站点临时关闭,当网页不能打开时,不要立即返回404,建议使用503状态。503可以告知百度spider该页面临时不可访问,请过段时间再重试。

  2)如果百度spider对您的站点抓取压力过大,请尽量不要使用404,同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接,如果那个时间站点空闲,那它就会被成功抓取了。

  3)有一些网站希望百度只收录部分内容,例如审核后的内容,累积一段时间的新用户页等等。在这种情况,建议新发内容暂时返回403,等审核或做好处理之后,再返回正常状态的返回码。

  4)站点迁移,或域名更换时,请使用301返回码。

  以上的原文内容分为2块来解读,第一:百度spider对于http返回码的处理逻辑。第二:针对百度spider对于http返回码的处理逻辑给予的一些站点处理建议。 那么我们现在先来解读下百度spider对于http返回码的处理逻辑。

  404,百度解释:出现404,那么百度spider就会从url索引库当中删除该url并且在短期内在其他页面发现该url也将不会访问该url。这个解释很官方化也很理想化。事实上我们会发现,我们的网站出现了404死链接,百度spider同样会反复抓取。并且当我们网站出现大量404死链接的时候还会出现降权现象。就如谷歌申明的软404才会伤害网站,404不会伤害网站一样的是一个美丽的谎言。当然我们必须承认由于404死链接被谷歌降权的现象还是很少,但是存在。百度那就很多实际的案例了。所以说404死链接对于我们的网站来说,还是很严重的问题。必须用robots进行处理的。

  503,百度解释:出现503,百度spider认为站点临时关闭,短期内会再次访问,网页若恢复那就正常,若多次重复503,效果将等同于404.这一点应该是谷歌在谷歌黑板报上最先申明支持站点临时关闭服务器返回503状态码给机器人。这一点,我们可以善加利用,比如网站程序升级,服务器重启,服务器安全检测等需要临时关闭网站的,我们可以采用503状态码来降低404状态码带来的危害。并且这一点是切实可行的。所以下次站长朋友们临时关闭站点检测网站的时候,记得设置服务器返回状态码为503,别再是404或500了。

  403,百度解释:百度spider认为网页当前不可访问,请注意采用的是当前2个字,也就是说它认为以后能正常访问,短期内会再次回访。若已经能正常访问,那就正常爬取。若多次重复返回状态码为403,将与404状态码一样处理。这一点,笔者以前倒是没有注意过403状态码对于蜘蛛的影响,毕竟蜘蛛访问到403的概率还是很少的。

  301,百度解释:百度spider认为网页已经转向心url,并且给予原有url权重转向新url。但是响应周期较长,主要是第一要考察新url内容是否符合,技术上要做的东西较多;第二要预防一个作弊。

  以上就是对于百度spider对于http返回码的解读,那么接下来我们在解读下,百度官方建议。

  1)站点临时关闭,使用503状态码。这也是刚刚解读503状态码的时候给予的建议,很中肯的一个建议。

  2)若百度spider的频繁抓取导致服务器压力过大,建议采取503状态码。这个建议,相信对很多站长来说,还是很有用的,本身使用的空间,流量有限。而百度spider的频繁抓取占用了大量流量,完全屏蔽掉百度spider也不是个办法,小站长还是得靠 百度来流量呢。那么以前我也曾建议过使用503状态码来解决这个问题,但是没有权威出处,自己也不敢肯定能起到多少的作用,在这里百度是给予正确答复,非常不错的。

  3)有一些页面可能是需要长时间的累积获得资料再进行整理发布,这时候在资料的获取当中,如果不希望百度抓取可以返回403状态码。直到处理解决好了,再进行正常的200状态码处理。(这是我将百度建议里的原文进行了一番理解说出来的。原文的意思可能会有一部分读者读不懂。)这里呢,也是一种理想状态,小网站千万别去学这招,权重高的网站不失为一个好方法。

  4)站点迁移,域名更换采用301状态码,这个是老生常谈了, 没多少可说的。

  那么今天关于百度搜索引擎优化指南2.0 中合理的返回码就解读到这里了,下一次,我们将继续解读网站被黑是什么。敬请期待。

文章作者:jiangwei
本文地址:http://www.fuzhouseoer.com/http%e7%8a%b6%e6%80%81%e7%a0%81%e7%9a%84%e8%a7%a3%e8%af%bb/
版权所有 © 转载时必须以链接形式注明作者和原始出处!

发表评论

*

* 绝不会泄露


Protected by WP Anti Spam